Tableau RFM 模型-實現客戶分群行銷

文章授權：關係合作夥伴 Tableau 資料視覺化與商業分析筆記

在過去的零售與電商產業經驗中，如何區別與分辨不同的客群，並針對各客群做客製化與精準行銷是非常重要的事

參考連結：https://public.tableau.com/app/profile/johndavidsant/viz/RFMRecencyFrequencyMonetaryAnalysis/RFMHeatmap

我最喜歡使用的模型為RFM分析，RFM分別對應: R(Recency)最近一次消費、F(Frequency)消費頻率、M(Monetary)消費金額，了解RFM的定義後我們就可對各個客戶進行1–5分的評分並將有類似消費習慣的進行分群!

舉例來說，針對R、F、M分數都為5分的客群是最有價值的客戶，我們應對他們做VIP客製化服務；而若F、M分數都高但R分數低，代表這個客戶的購買頻率跟金額都很高但最近沒跟我們消費，我們就應該以Email、電話、人員拜訪等方式提醒客戶。

＊Tableau Public RFM模型儀表板分享(可下載工作簿自行操作): https://public.tableau.com/app/profile/johndavidsant/viz/RFMRecencyFrequencyMonetaryAnalysis/RFMHeatmap

>>RFM各步驟作法說明: https://unilytics.com/rfm-analysis-in-tableau/

補充說明: RFM分析應用在Tableau中，使用 Percentile 計算好 1–5分的R, F, M 級距資料，加上時間及分析維度，就可進行視覺化分析。 (參考來源: https://medium.com/@judyjiamin/tableau-x-rfm-%E5%88%86%E6%9E%90-%E6%9C%89%E5%9C%96%E6%9C%89%E7%9C%9F%E7%9B%B8-fcc23ed3cff2)

除了RFM模型以外，你們對於現有的顧客群會做怎樣的分析?也歡迎在下方留言給我們。